AI 客服项目失败的原因，八成不在技术，而在"没有可用的答案"。模型的回答质量，取决于你给的资料质量——这一步偷懒，后面全补不回来。
一、先回答一个问题：客户最常问什么
把最近三个月的问题导出，按频次排序。通常前 50 个问题能覆盖大部分的咨询量。
- 频次排序，优先覆盖高频问题
- 标注问题的真实意图，而不只是字面内容
- 找出"同义不同问法"，这是 AI 最有优势的地方
二、每个问题要有标准答案
同一个问题有多个版本答案，是客服质量不稳定的根源。整理时要确定唯一口径：
| 字段 | 说明 |
|---|---|
| 标准问题 | 归一化后的表述 |
| 常见变体 | 用户可能的各种问法 |
| 标准答案 | 统一口径，含必要的话术边界 |
| 适用条件 | 什么情况下用、什么情况下不用 |
| 升级条件 | 什么情况转人工 |
三、边界：三类问题直接转人工
- 涉及价格、合同、赔付的实质性答复
- 涉及投诉、情绪激烈或反复追问的会话
- 问答库里没有覆盖的问题——宁可转人工，不要让它猜
允许它说"我不确定"
把"不知道就转人工"写进规则，比强求它什么都能答更可靠。一次编造造成的信任损失，抵得上很多次准确回答。
四、上线后怎么验证效果
- 自助解决率：无需转人工即结束的会话占比
- 转人工率与转人工原因分布
- 用户满意度与重复咨询率
- 每周抽查一批回答，标出错答并回补问答库
五、问答库是长期资产
问答库不是上线前整理一次就完了。每次真实咨询都是一次补充机会：答不上的进库，答错的改口径。三个月之后，这套库本身就是团队最值钱的资产之一。
#AI 客服#问答库#服务响应#技能事业部
